REDES NEURONALES ARTIFICIALES

Mg. Ing. CIP Miguel ngel Crdova Sols

Agradecimiento Al Dr. Juan Jos Flores Romero

CEREBRO HUMANO

1011 Neuronas (procesadores) Poder desconocido 1000 10000 conexiones por neurona
3

Redes Neuronales

EN LOS SERES HUMANOS

Nuestro cerebro es como un Ferrari al que conducimos a diez por hora

NEURONAS ARTIFICIALES

Sper-simplificacin Analoga Metafrica Sorprendente poder de cmputo

7

Redes Neuronales

MODELO DE UNA NEURONA ARTIFICIAL

Redes Neuronales

FUNCIONES DE ACTIVACIN

Funcin Escala

Funcin Sigmoidal

Funcin Lineal - mixta

Redes Neuronales

REDES NEURONALES
Las redes de neuronas artificiales (denominadas habitualmente como RNA o en ingls como: "ANN") son un paradigma de aprendizaje y procesamiento automtico inspirado en la forma en que funciona el sistema nervioso de los animales. Se trata de un sistema de interconexin de neuronas en una red que colabora para producir un estmulo de salida. En inteligencia artificial es frecuente referirse a ellas como redes de neuronas o redes neuronales.

HISTORIA
William James (1890): Describe (en palabras y figuras) redes distribudas simples y el aprendizaje de Hebbian.

McCulloch & Pitts (1943): Unidades binarias con barrera de activacin que realizan operaciones lgicas (prueban computacin universal!).

Hebb (1949): Formulacin de una regla fisiologica (local) de aprendizaje.

Rosenblatt (1958): El Perceptrnla primera mquina real que aprende.

Widrow & Hoff (1960): ADALINE y la regla Widrow-Hoff de aprendizaje supervisado. Minsky & Papert (1969): Las limitaciones del perceptrnel Invierno Neuronal

Malsburg (1973): Mapas Autoorganizables.

Grossberg (1980): Theora de la Resonancia Adaptiva.

Hopfield (1982/84): Redes de Atractores. Teora de patrones de asociacin y memoria.

Kohonen (1982): Mapas Auto-organizables.

Rumelhart, Hinton, & Williams (1986): Backpropagation

ARQUITECTURAS DE RNAS
Perceptrones

de un

solo nivel

Redes Neuronales

20

ARQUITECTURAS DE RNAS
Perceptrones

de varios niveles

Redes Neuronales

21

ARQUITECTURAS DE RNAS
Redes

Recurrentes

Redes Neuronales

22

CARACTERSTICAS DE RNAS
La informacin se almacena en un conjunto de pesos, no en un programa. Los pesos se deben adaptar cuando le mostramos ejemplos a la red.
23

Las redes son tolerantes a ruido: pequeos cambios en la entrada no afecta drsticamente la salida de la red.

La red puede generalizar el conjunto de entrenamiento y as tratar con ejemplos no conocidos.

RNA son buenas para tareas perceptuales y asociaciones. Justamente con lo que se topa la computacin tradicional.

IA Y RNAS

IA -> desarrollar mquinas que realizan tareas cognitivas para las cuales los humanos son aptos.

Representacin

IA
Aprendizaje

Razonamiento

25

DEMO